Slides

1. Bagde
del curso
Curso
Práctico de SQL
Israel Vázquez

2. Breve historia de SQL

3. Espacio para imagen
Bases
Modelo y álgebra
relacional de Codd

4. Espacio para imagen
IBM
Fue creada en los años 70.
Originalmente llamada
SEQUEL.
● System/38 (1979)
● SQL/DS (1981)
● DB2 (1983)

5. Espacio para imagen
Relational
company
Creó el software
Oracle V2 en 1979

6. ANSI / ISO
1989, 1992, 1996,
1999, 2003, 2006,
2008, 2011 and 2016

7. Álgebra relacional

8. Select
Proyección

9. SELECT *;

10. SELECT field AS alias;
SELECT COUNT(id), SUM(quantity),
AVG(age);
SELECT MIN(date), MAX(quantity);

11. SELECT IF(500<1000, "YES", "NO");
SELECT OrderID, Quantity,
CASE
WHEN Quantity > 30 THEN "Over 30"
WHEN Quantity = 30 THEN "Equal 30"
ELSE "Under 30"
END AS QuantityText

12. From
Origen

13. SELECT *
FROM tabla_diaria;

14. SELECT *
FROM tabla_diaria AS td
JOIN tabla_mensual AS tm
ON td.pk = tm.fk;

15. SELECT *
FROM dblink('
dbname=somedb
port=5432 host=someserver
user=someuser
password=somepwd',
'SELECT gid, area, perimeter,
state, county,
tract, blockgroup,
block, the_geom
FROM massgis.cens2000blocks')
AS blockgroups

16. Join
Productos cartesianos

17. SELECT *
FROM tabla_diaria AS td
JOIN tabla_mensual AS tm
ON td.pk = tm.fk;

19. Left Join
A B

20. Right Join
A B

21. Exclusive Left Join
A B

22. Exclusive Right Join
A B

23. Full Outer Join
A B

24. Exclusive Full Outer Join
A B

25. Inner Join
A B

26. Where
Selección

27. SELECT *
FROM tabla_diaria
WHERE id = 1;
SELECT *
FROM tabla_diaria
WHERE cantidad > 10;
SELECT *
FROM tabla_diaria
WHERE cantidad < 100;

28. SELECT *
FROM tabla_diaria
WHERE cantidad > 10
AND cantidad < 100;
SELECT *
FROM tabla_diaria
WHERE cantidad BETWEEN 10
AND 100;

29. SELECT *
FROM users
WHERE name = "Israel"
AND (
lastname = "Vázquez"
OR
lastname = "López"
);
SELECT *
FROM users
WHERE name = "Israel"
AND lastname = "Vázquez"
OR lastname = "López";

30. SELECT *
FROM users
WHERE name LIKE "Is%";
SELECT *
FROM users
WHERE name LIKE "Is_ael";
SELECT *
FROM users
WHERE name NOT LIKE "Is_ael";

31. SELECT *
FROM users
WHERE name IS NULL;
SELECT *
FROM users
WHERE name IS NOT NULL;
SELECT *
FROM users
WHERE name IN ('Israel','Laura',
'Luis');

32. Order By
Ordenamiento

33. SELECT *
FROM tabla_diaria
ORDER BY fecha;
SELECT *
FROM tabla_diaria
ORDER BY fecha ASC;
SELECT *
FROM tabla_diaria
ORDER BY fecha DESC;

34. Espacio para imagen
Índices
Excelentes para
búsquedas y
ordenamientos.
Cuidar para alta
transaccionalidad.

35. Group By
Agregación

36. SELECT *
FROM tabla_diaria
GROUP BY marca;
SELECT *
FROM tabla_diaria
GROUP BY marca, modelo;

37. Limit
Limitantes

38. SELECT *
FROM tabla_diaria
LIMIT 1500;
SELECT *
FROM tabla_diaria
OFFSET 1500
LIMIT 1500;

39. El primero

40. El segundo más alto

41. Seleccionar de un set
de opciones

42. En mis tiempos

43. Seleccionar por año

44. Double trouble

45. Selectores de rango

46. Eres lo máximo

47. Egoísta (Selfish)

48. Resolviendo
diferencias

49. Todas las uniones

50. Triangulando

51. Generando rangos

52. Regularizando
expresiones

53. Bases de datos
distribuidas

54. Espacio para imagen
Es una colección
de múltiples bases
de datos separadas
físicamente que se
comunican mediante
una red informática.
¿Qué es?

55. Espacio para imagen
Ventajas
● Desarrollo modular.
● Incrementa la
confiabilidad.
● Mejora el
rendimiento.
● Mayor disponibilidad.
● Rapidez de respuesta.

56. Espacio para imagen
Desventajas
● Manejo de seguridad.
● Complejidad de
procesamiento.
● Integridad de datos
más compleja.
● Costo.

57. Espacio para imagen
Homogéneas
y heterogéneas
● OS
● Sistema de base
de datos
● Modelos de datos

58. Espacio para imagen
Arquitecturas
● Cliente - servidor.
● Par a par
(Peer 2 Peer).
● Multi manejador
de base de datos.

59. Espacio para imagen
Estrategias
de diseño
● Top down
● Bottom up

60. Espacio para imagen
Almacenamiento
distribuido
● Fragmentación
● Replicación
● Distribución

61. Espacio para imagen
Fragmentación
● Horizontal
● Vertical
● Mixta

62. Espacio para imagen
Replicación
● Completa
● Parcial
● Sin replicación

63. Espacio para imagen
Distribución de
los datos
● Centralizada
● Particionada
● Replicada

64. Queries distribuidos

65. ● Cada tupla tiene 25B (200b).
● El query será: obtener los números de proveedor
de Bogotá que tienen repuestos de color rojo.
● P >< PR >< R.
Tabla Columnas Tuplas Localización
Proveedores(P) P# Ciudad 10,000 Región A
Repuestos (R) R# Color 100,000 Región B
Prov-Rep(PR) P# R# 1,000,000 Región A

66. Tabla Columnas Tuplas Localización
Proveedores(P) P# Ciudad 10,000 Región A
Repuestos (R) R# Color 100,000 Región B
Prov-Rep(PR) P# R# 1,000,000 Región A
● Suposiciones
de cardinalidad:
- Repuestos rojos: 10.
- Número de pedidos
hechos por proveedores
de Bogotá: 100,000.
● Suposiciones
de comunicación:
- Tasa de transferencia:
50,000 bits por segundo.
- Latencia de acceso: 0.1s.

67. Tabla Columnas Tuplas Localización
Proveedores(P) P# Ciudad 10,000 Región A
Repuestos (R) R# Color 100,000 Región B
Prov-Rep(PR) P# R# 1,000,000 Región A
● Retraso total en la comunicación = (retraso total de
acceso) + (volumen total de datos/tasa de transferencia).
● Retraso total en la comunicación = (número
de mensajes/10) + (número de bits/50,000).

68. Retraso total en la comunicación =
(número de mensajes/10) + (número de bits/50,000)

69. # Técnica Estimación Tiempo total
1 Mover R a Región A (0.1) +
(100,000*200)/50,000=400s=6.67min
6.67 min
2 Mover P y PR a
Región B
(0.2) +
((10,000+1,000,000)*200)/50,000 =
4,040s = 1.12h
1.12 h
3 Revisar repuestos
rojos para cada
proveedor de Bogotá
Join de P y PR en A filtrar los
proveedores de Bogotá y hacer un join
con R en B
5.56 h
4 Por cada repuesto
rojo revisar si hay un
proveedor en Bogotá
Filtrar R en B y por los 10 resultados
hacer un join remoto con PR en A
2 s
5 Mover los pedidos
de Bogotá a B
0.1 + (100,000*200)/50,000 = 400s =
6.67min
6.67 min
6 Mover los repuestos
rojos a A
0.1 + (10*200)/50,000 = 0.10s 0.10 s

70. Sharding

72. Espacio para imagen
Problemas
● Joins entre shards.
● Baja elasticidad
● Reemplaza PK

73. Window Functions

74. Espacio para imagen
¿Qué son?
Realizan cálculos en
algunas tuplas que se
encuentran relacionadas
con la tupla actual.

75. Espacio para imagen
¿Para qué sirven?
Evitan el uso de self
joins y reduce la
complejidad alrededor
de la analítica,
agregaciones y uso de
cursores.

76. Window Functions:
Particiones y
agregación

77. El futuro de SQL